/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
472 млн
Архитектура
olmoe · MoE
Библиотека
transformers
Опубликована
4 сен 2026

OLMoE-M-SMoE-ngroups56

Генерация текстаТекст → текст5 профессий

Компактная языковая модель семейства OLMoE с архитектурой sparse Mixture-of-Experts для генерации текста и диалоговых сценариев.

563скачиваний за 30 дней0лайковвеса обновлены4 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Dohyeon1/OLMoE-M-SMoE-ngroups56 — языковая модель для генерации текста, опубликованная на Hugging Face пользователем или организацией Dohyeon1. Модель относится к семейству OLMoE и использует архитектуру sparse Mixture-of-Experts (MoE), на что указывают её идентификатор и метаданные с тегом olmoe. Для работы предназначена библиотека Transformers, веса представлены в формате safetensors.

Модель подходит для продолжения текста, генерации ответов в диалоговых сценариях и встраивания в приложения, использующие text-generation pipeline. Объём модели составляет 472,1 млн параметров, а нативное окно контекста — 4096 токенов. Метаданные отмечают conversational-сценарии, однако сведения о поддерживаемых естественных языках отсутствуют.

README не содержит данных о разработчиках, лицензии, обучающем датасете, результатах оценки, настройках обучения или рекомендациях по безопасному применению. Поэтому перед использованием в продуктивных, чувствительных или требующих высокой точности системах модель следует дополнительно протестировать и проверить условия лицензирования.

Сценарии применения

  • продолжение и дополнение текстов
  • генерация ответов в чат-ботах
  • создание черновиков и шаблонов текста
  • локальная генерация текста через Transformers
  • встраивание текстовой генерации в приложения

Ограничения

README не содержит результатов оценки, сведений об обучающих данных, поддерживаемых языках и лицензии. Сгенерированный текст может содержать фактические ошибки и нежелательные продолжения, поэтому модель требует тестирования перед применением в критически важных сценариях.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OlmoeForCausalLM
Ревизия весов
869f945

0 моделей